时间: 2025-04-13 15:05:35 作者: 防控抗疫
随着科技的快速的提升，智能驾驶行业已成为全世界汽车产业变革的核心驱动力。通过融合先进传感器、AI算法和强大计算平台，智能驾驶技术从辅助驾驶迈向高阶无人驾驶，明显提升了驾驶的安全性和效率。
近年来，智能驾驶在全球快速地发展，中国市场更是呈现出蓬勃态势，车企、科技公司和供应商纷纷加大投入，形成了多元化的产业格局。
同时，DeepSeek等新兴技术的出现，为算法、算力和数据层面带来新突破，有望加速行业创新与发展。
据《中国智能驾驶白皮书》（中国人工智能协会，2015），智能驾驶是指通过给车辆装配智能系统和多种传感器设备（包括摄像头、雷达、卫星导航设备等），实现车辆的自主安全驾驶的目标。
导航解决位置信息如在哪里、到哪里、走哪条道路中的哪条车道等问题；自主驾驶是在智能系统控制下，完成车道保持、超车并道、红灯停绿灯行、灯语笛语交互等驾驶行为；
人工干预，主要是车内乘员通过人机交互系统进行意图表达和意外情况处置。本质为吸引和注意力分散的认知工程学，将单一人工驾驶模式改变为双驾双控。
既可以通过自主驾驶将人从低级、持久、繁琐的驾驶活动中解放出来，又可以在智能车难以判断的复杂和危险情况下，将驾驶权移交车内乘员。
安全上，无人驾驶可有实际效果的减少交通事故。据文远知行招股书，2021年全球和中国大陆分别发生了4320万起和860万起交通事故。
人为失误造成了大约90%的交通事故，而无人驾驶可显著减少乃至消除人为失误。相较于人类，机器可将注意力持续保持在高水平，降低了因注意力分散导致的交通事故发生风险。
效率上，高水平无人驾驶可明显降低经营成本。据文远知行招股书，无人驾驶经营成本主要为人力成本、能源成本及另外的成本，其中人力成本占比最大。
以中国大陆为例，人力成本占比高达约59%。实现无人驾驶后，人力成本有望得到大幅降低。
根据自动化程度的不同，无人驾驶被划分为六个等级（L0-L5），其中L5为完全无人驾驶。随着从L0到L5的逐级提升，车辆的自动化程度也逐步提高。
现阶段高阶智驾指区别于高级辅助驾驶，基于驾驶自动化系统能够执行动态驾驶任务，可以在一定程度上完成有条件的无人驾驶或完全无人驾驶的智驾系统。
对应我国GB/T40429-2021《汽车驾驶自动化分级》国家标准中的3级以上的驾驶自动化；同时也对应国际自动机工程师学会（SAE）的分级标准中的L3-L5级别的无人驾驶等级。
据《华为MDC智能驾驶计算平台白皮书》（2020)，智能驾驶业务场景较多，技术难度较高，产业链长且分工复杂。
从功能上看，智能驾驶系统可分为三大部分：感知系统（各类传感器组成）、决策系统（计算平台）与执行系统（各类执行器组成）。
而其中决策层由于涉及多种ICT关键技术，功能相对最为复杂，又可分为硬件类，如芯片SoC、硬件工程等；
软件类，如操作系统、中间件、云服务、OTA；算法类，如聚类算法、机器视觉、深度学习、强化学习、机器学习等。
据《中国智能汽车软件产业高质量发展洞见》（东软集团等），软件定义汽车，即软件深度参与到汽车定义、开发、验证、销售、服务等过程中，并不断改变和优化各个过程，实现体验、过程持续优化、价值持续创造。
电子电气架构是将车载传感器、电子电气分配系统、软硬件整合在一起，实现通讯信号网络、数据网络、电源管理的电子电气解决方案。
复盘汽车电子电气架构的发展趋势，整车架构从分布式走向部分域控，再由域集中再走向跨域融合，最终实现整车集中控制。
届时，汽车中央电脑将共享整车算力，打通全车全场景，真正的完成软件定义汽车。
在当前的域集中式架构阶段，多数整车厂采用经典五域划分：座舱域、智驾域、动力域、底盘域和车身域。
为了充分的利用算力资源和进一步简化整体架构，域集中架构逐渐走向多域融合，通过软件实现分区协调和控制，以实现功能协同性和提升整车智能化水平。
各国加速无人驾驶相关法规制定，全球已有17个国家制定或修订无人驾驶汽车相关的法律和法规，典型国家如德国、日本和美国。
国内正逐步完善智能网联汽车法规，明确支持L3商业化应用，目前全国已有50多个城市出台有关智能驾驶的地方性法规。
从政策趋势来看，对于无人驾驶的限制逐步放开，原则上鼓励无人驾驶发展；法规细节逐步完善，如对于事故责任认定、标准的制定、全环节规范等进行了更加清晰的划分和规定；
试点逐步增加，截至目前，北京、上海、重庆等20个城市已获批为试点城市，国内已有长安汽车比亚迪广汽上汽北汽蓝谷、中国一汽、上汽红岩、宇通客车蔚来汽车9家车企拿到L3级试点准入证；
适用范围逐步扩大，法规覆盖到Robotaxi、Robobus等L4级别车辆，美国首次明确Robotaxi的政策法规框架，站在国家层面上为无人驾驶相关的企业、产品、责任划分、载客等都进行了规定。
分级别来看，L1-L2+级别智驾已较为成熟；L3的代表性功能为城市NOA，2024年小鹏、理想等车企实现城市NOA，为L3落地元年，预计2025年L3渗透率快速提升；
海外企业，特斯拉FSD处于L2级别；奔驰最新L3级自驾系统-DRIVE PILOT获准上路，即将在2025年初在德国上市销售；Waymo为L4级别无人驾驶出租车。
国内企业，华为、小鹏、理想、比亚迪等主流车企多处于L2+级无人驾驶，华为和理想已经明确2025年将推出L3试点demo，小鹏预计2025年实现类L3智能驾驶，智己预计2026年实现L3量产，小马智行文远知行百度Apollo定位L4级智驾。
2024年多款高阶智驾车型推出，销量表现亮眼：2024年新势力、自主品牌共同发力智驾，多款高阶智驾车型推出，价格覆盖15-40万元，热销车型小鹏MonaM03、理想L6、小米SU7、问界M7月销均过万。
小鹏P7+已实现全系标配城市NOA；理想高阶智驾仅限Max版本；小米、鸿蒙智行、长城的城市NOA功能均为选配；比亚迪腾势Z9GT Pro标配城市NOA。目前智驾芯片主要是采用英伟达Orin-x，算力达254/508Tops。
目前，从标配看，2024年前三季度城市NOA大多分布在在25-30万元价格的范围，占比25.8%，主要车型有理想L6、小鹏G6/G9等；
从预埋看，大多分布在在25-30万元价格的范围，占比38.9%，主要车型有Model3/Y、小米SU7等。
但可实现城市NOA的车型价格正在慢慢地下探，2024年前三季度15-20w标配城市NOA的乘用车比重达1.0%，而2023年仅20万元以上车型才可搭载该功能。
高阶智驾车型正向10w+价格带推进，包括丰田、奇瑞、小鹏等在内的多个品牌展出20万元以内搭载高阶智驾的车型，如小鹏MONA M03、小鹏P7+、丰田铂智3X（（2025年初上市），均可实现城市NOA，做到全国都能开。
2024年主要为城市NOA的开城阶段，截至2024年底，主流车企均已实现全国全量推送城市NOA，但落地速度有差异，小鹏、华为、理想率先完成，其他车企多于Q4实现全国都能开。
“车位到车位”成为最新的智驾体验标准，背后包含全场景覆盖、应对复杂路况、连接泊车功能。特斯拉、华为、理想、小鹏小米极氪六名智驾玩家，都进入「车位到车位」的竞争中。
节奏来看，理想、华为已经在年底全量推送了「车位到车位」功能，小米小鹏、特斯拉都开启了不同程度的内测，都预计2025年开启全量推送，极氪则预计一季度分批推送，Q2全量推送。
2025年第一梯队的小鹏、华为、理想将重点发力车位到车位功能，其他车企进一步夯实其城市NOA的能力。
模块化方案各有千秋，传统无人驾驶架构存内生局限性。传统上无人驾驶分为感知、决策、规划与控制等模块，通过模块化的方式完成无人驾驶任务。
模块化方案中，每个独立的模块负责单独的子任务，具备简化研发团队分工、便于问题回溯、低耦合、可解释性高、易于调试迭代等优点。
但由于将不同任务解耦，各个模块相对于最终的驾驶规划目标存在信息损失问题，因此往往会丢失最优性，另外多个模块间优化目标不一致，误差会在模块间传递，造成误差传递。
据《端到端无人驾驶系统研究综述》（陈妍妍等，2023），多任务架构基于“任务并行”理念的，使多个任务共享提取主干网络，并为每个任务单独设置解码组件，可降低总系统运行过程的计算开销，实现更高效的推理速度。
但该范式模型主要学习的是在多个任务间找到最佳平衡点来实现性能的相对最优，而非保证每个任务均达到最优。
不同任务间的优化目标并不一致，如感知模块的检测任务追求平均精度，规划模块以最小位移误差为评价指标以追求驾驶的安全性及舒适性。
这将导致总系统内存在冲突，无法朝着统一的优化方向进行学习，共用较大差异性的任务特征也可能损害最终的预测规划结果。
据《端到端无人驾驶系统研究综述》（陈妍妍等，2023），端到端架构直接从车辆状态和传感器采集的外部环境数据中学习策略，通过绕过中间组件来消除潜在的信息瓶颈和累积误差，并允许网络效仿人类驾驶员朝着最终目标持续优化。
端到端技术路线上，一段式端到端将智驾的感知、预测决策、规划等多个模块合为一体；两段式端到端，一段是感知与决策阶段，其次是规划与控制阶段。
目前，华为、百度Apollo、小鹏汽车等采用两段式端到端，特斯拉商汤科技、Momenta则是一段式端到端。
多家车企开始转向“一段式端到端”，华为一段式预计2025年量产，ADS4.0将搭载；小米汽车将原来“感知”和“规控”两个二级部门合并为“端到端算法与功能部”，或将一段式作为目标；理想汽车、广汽埃安等均已布局“一段式端到端”。
端到端助力高阶智驾的竞争重点从算法转向数据+算力。凭借全局优化、更高计算效率、更强泛化能力等优点，端到端技术迅速成为高阶智能驾驶方案当前最优解。
参考高速NOA的发展历史，判断城市NOA等高阶智驾经过24年的大规模的落地应用后，在端到端大模型技术的加持下，有望在2025年从“能用”迈向“好用”。
高阶智驾将成为toC乘用车市场之间的竞争的重要手段。在端到端智驾方案中，数据和算法是最核心两大要素。因此，高阶智驾的竞争重点算法维度转向数据+算力。
Robotaxi即无人驾驶出租车，是一种利用人工智能、传感器、通信等技术实现自主行驶的出租车。
这些车辆通常配备了高精度地图、摄像头、雷达、超声波等设备，能够感知周围的环境和交通状况，并通过算法和控制管理系统进行路径规划、避障、加减速、转向等操作。
乘客能够最终靠手机APP或者语音识别等方式预约或者叫到无人驾驶出租车，并输入目的地。无人驾驶出租车会按照最优路线将乘客送达目的地，并完成付款和评价等流程。
由于技术水平相对领先、政策支撑力度大、监管开放早，中美两国已在武汉、北京、上海、凤凰城、旧金山等多个城市开展Robotaxi商业化运营。
目前，Robotaxi的开发企业大致上可以分为3大类：互联网公司：百度Apollo、谷歌Waymo、文远知行WeRide、小马智行PonyPilot、亚马逊Zoox等；传统车企：特斯拉小鹏汽车等；出行企业：曹操出行、滴滴、如祺出行等。
作为一种系统级解决方案，相比单车智能，车路云一体化强调车端与路端的协同发展。
2024年7月，五部委政策出台，确定了20个城市（联合体）为智能网联汽车“车路云一体化”应用试点城市，各地项目招标建设逐步落地，车路云产业化进展有望加速。
截至2024年12月31日，根据量产车上智能驾驶产品（已进行用户公测）的最高实现能力，可以将国内市场的玩家分为四个代际：领先一代、次世代正当代和落后一代。
智能驾驶产品的传感器最重要的包含摄像头、毫米波雷达、超声波传感器和激光雷达。其中摄像头主要提供环境的2D视觉信息；毫米波雷达提供目标物体的距离和角度信息；
激光雷达能提供3D环境信息，包括距离和速度，并实现自主定位；超声波雷达也能提供目标物体的存在和距离信息，但是由于作用距离较短，多用于泊车系统。
根据各玩家传感器配置方案不同，目前主要有两大派别，一种是没有激光雷达，以摄像头为主的“视觉派”；而另一种是有激光雷达的“激光雷达派”，各派玩家情况如上图所示。
基于成本和技术路线等多方面考虑，有头部玩家2024年由激光雷达派转向视觉派，减少智驾系统对激光雷达的依赖。
例如，小鹏2024年11月上市的P7+车型，采用行业首个单个像素LOFIC架构纯视觉方案，放弃了激光雷达的常规配置。
智能驾驶系统感知环境除了靠传感器，还能通过高精地图“开天眼”，让车辆直接获得包括车道、车道线、路面箭头、交通灯、交通标识牌等等环境信息，并且精度在分米甚至厘米级别，降低算法难度要求。
从是否依赖高精地图的角度来看，各玩家也可以分为有高精地图派和无高精地图派。各派别玩家包括：
由于高精地图使用、维护、更新等成本居高不下，审核过程缓慢，想要随时保持高精地图的鲜度非常困难，头部玩家开始逐渐摆脱对高精地图的依赖，无图NOA已成为主流。
从智能驾驶产品提供方的角度，玩家又可大致分为自研派、供应商派和穴余派。穴余派车企既会采用和供应商合作的方案，又拥有自研团队，研发智能驾驶产品。各派别分别包括：
智能驾驶，本质是AI在量产车驾驶行为中，替代人类驾驶员的作用。人类老司机的养成，有先天天赋，更需要后天驾驶里程的积累。
AI司机也类似，总实力既与实现的能力直接相关，还与上车数和开城数相关。具备什么样的实现能力，代表了当前的技术和产品实现水平。
最早悟透这一原理的马斯克，从一开始就拿出了标配的智驾软硬件方案，其后在特斯拉一直增长的销量、扩大的实路里程后，帮助FSD实现能力上的惊人飞跃。
所以评估智能驾驶玩家格局，既要看现在具备的能力，还要关注数据规模资源一一面向未来的潜力，这样才不至于在快速变化的智能车市场，遭受“背刺”。
基于上述三大标准，2024年的智能驾驶（截至2024年12月31日），从汽车品牌维度，中国市场格局梯队如下：
最后结合实现能力、上车规模、开城规模，能得出更加综合全面的全局玩家格局现状：
